1
인 bvlc_reference_caffenet을 학습했습니다. Caffe ImageNet Tutorial을 따라 갔고 bvlc_reference_caffenet을 성공적으로 교육 할 수있었습니다. 이제 입력 데이터를 [0,255]에서 [0,1]로 스케일링하고 싶습니다. (나중에 고정 CNN/부동 소수점 정확도를 가진 하드웨어에서이 CNN을 실행해야하기 때문에) 과 같이 scale
data
계층 파라메터 :입력 데이터가 [0,1]
layer {
name: "mnist"
type: "Data"
transform_param {
scale: 0.00390625
}
data_param {
source: "mnist_train_lmdb"
backend: LMDB
batch_size: 64
}
top: "data"
top: "label"
}
:
layer {
name: "data"
type: "Data"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
crop_size: 227
scale: 0.00390625
mean_value: 0.40784313
mean_value: 0.45882352
mean_value: 0.48235294
mirror: true
}
data_param {
source: "examples/imagenet/ilsvrc12_train_lmdb"
batch_size: 32
backend: LMDB
}
}
layer {
name: "data"
type: "Data"
top: "data"
top: "label"
include {
phase: TEST
}
transform_param {
crop_size: 227
scale: 0.00390625
mean_value: 0.40784313
mean_value: 0.45882352
mean_value: 0.48235294
mirror: false
}
data_param {
source: "examples/imagenet/ilsvrc12_val_lmdb"
batch_size: 32
backend: LMDB
}
}
언제 I 정확도가 항상 우연보다 낮을 것입니다 지금 그물을 훈련. [0,255] 이미지 대신 [0,1] 이미지로 네트워크를 조정하기 위해 채택해야하는 다른 매개 변수는 무엇입니까?